《表2 AlexNet和VGG-M提取的不同卷积层特征和全连接层特征汇聚组合的检索结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《卷积神经网络多层特征联合的遥感图像检索》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于AlexNet和VGG-M网络提取的卷积层特征和全连接层联合特征用于遥感图像检索的结果见表2。其中，前两行是直接利用提取的全连接层特征进行检索的结果精度。由表2可知，AlexNet和VGG-M网络最好的特征表示都是Conv5pool和fc6relu的组合，而且利用Conv5pool特征与全连接层特征（fc6relu，fc7relu）进行汇聚的结果，明显比利用Conv5或Conv5relu特征与全连接层特征（fc6relu，fc7relu）汇聚效果要好，这是因为Conv5pool是经过Relu激活和池化后的特征，能更有效地描述图像内容。此外，Conv5pool-fc6relu的检索结果要好于Conv5pool-fc7relu，这是因为fc6是和卷积层相邻的，相比fc7层保留了更多的图像低层信息。从表2的结果也可以看出，选择Conv5或Conv5relu与全连接层fc6relu和fc7relu进行汇聚整合时，其检索结果要低于只利用fc6relu和fc7relu进行检索的结果。表2还表明相比AlexNet网络，利用VGG-M提取的卷积层和全连接层特征进行汇聚整合的检索结果更好。